AI 代理依赖的沉默工作者（他们不谈论）

Source: Dev.to

请提供您希望翻译的文本内容，我将按照要求将其译成简体中文并保留原有的格式、Markdown 语法以及技术术语。谢谢！

每个系统背后看不见的劳动

每个你信任的系统，都由你永远不会见到的人塑造。
不是创始人，也不是那位获得媒体报道的工程师。而是那位为每张图片标注 0.02 美元、共计 40,000 张的标注员。 那位在产品发布前验证 AI 输出是否正确的人。标注者、审阅者、边缘案例测试者。这个人的判断如今已经烙印在模型中，却是无形且未被署名的。

这就是人们所写的那层表面之下的经济。

在科技领域长期被低估的劳动历史

• QA engineers 防止产品起火，却只拿到点燃火灾者一半的薪水。
• Moderators 承担了保持平台可用的心理成本。
• Data labelers 让计算机视觉成为可能，却像季节性农工一样被付酬。

现在有什么不同？

• Scale – 数十亿的数据点。
• Abstraction – 当 AI 代理做出决策时，训练它的人与输出之间相隔三层。

做出工作的人与受益系统之间的差距从未如此之大。

对人类判断需求的增长

随着 AI 系统变得越来越自主，它们对人类 验证、纠正并填补其无法处理的部分 的需求也随之增长。

• 这并不是矛盾；这正是复杂系统的运作方式。
• 它们并没有取代人类输入；它们 重新构建了人类输入的发生位置。

当我们说某人“悄悄塑造了一个系统”时，通常指的是他们完成了有意义的工作，却没有在 LinkedIn 上发布动态。在 AI 领域，这意味着人类的决策、品味或对错误答案的捕捉现在已经嵌入到能够扩展到数百万交互的软件中。

那并不是谦逊意义上的安静，而是 结构性 的安静。工作已经完成，它很重要，但归属感在训练过程和产品发布之间的某个环节中丢失了。

Source: …

人类页面：让结构可见

Human Pages 的存在是因为这种结构正在变化。AI 代理现在 发布工作并审查输出。人类完成任务，获得 USDC 支付，然后继续前进。同样的动态同样适用：

• 人类的判断塑造了代理的未来行为。
• 他们的纠正提升了输出质量。
• 他们对边缘案例的处理让系统更可靠。

工作仍然是安静进行的，但 支付记录已被记录。

示例：租赁协议审查

1. 场景 – 一个 AI 代理为一家物业管理软件公司处理租赁协议。

2. 表现 – 95 % 的文档能够顺利处理。

3. 边缘案例 – 每周标记 200 份包含其未见过的异常条款的文档；它不会猜测。

4. 任务发布

   • 工作：审查被标记的租赁文档，分类条款类型，注明该条款是标准的、异常的，还是可能有问题的。
   • 预计时间：每份文档 3 分钟。
   • 报酬：每份文档 $1.20。

5. 工作者 – 一名兼职法律助理、一位退休合同律师以及一位法律专业的零工学生都接受了这项工作，提交了分类结果，代理从汇总的模式中学习。

6. 结果 –

   • 这名法律助理在一个淡季赚得 $180。
   • 代理变得更聪明。
   • 软件公司避免了一项可能在为时已晚之前才被发现的责任。

那位法律助理悄悄地塑造了那个系统。这一次，支付记录已经留下。

核心技能：情境判断

• Credential‑agnostic – 任何人都可以阅读合同条款。
• 价值在于识别“正常”是什么样子 并发现偏差。
• 这种知识来源于 经验，而非提示词。

认为 AI 将取代所有知识工作者的叙事忽略了关键点：人类最高价值的贡献是 识别细微错误，而不仅仅是执行明确任务。这是一种经过多年特定工作培养的认知姿态，而 AI 实际上 在创造对这种姿态的更大需求，而不是减少。

透明度、同意与归属

• 工作人员很少了解他们所影响的全部范围。

  • 该法律助理并未被告知她的分类将用于训练下一个模型版本。
  • 2019 年的数据标注员并不知道他们的标注最终会出现在价值 800 亿美元的产品中。

• 归属问题涉及 信用、同意和意识。

Human Pages 并未完全解决此问题，但其 透明任务发布 模型——即代理人准确描述需求和原因，由人类决定是否执行——使关系保持诚实：

• 代理人需要人类。
• 人类获得报酬。
• 条款可见。

为什么安静的塑造者很少拥有股权

• 可利用的工作看起来很简单：标记、审查、验证、分类。
• 这些任务的感知技能门槛低，通常不需要学位，因此报酬被压低。

但价值不在于执行任务本身，而在于输出中蕴含的判断。

• 错误的分类比没有分类更糟。
• 粗心的文档审查比把所有内容都标记为需要人工审查更糟。

员工并不是仅仅填补一个岗位；他们在做出会累积影响的决策。

当前的机遇

工作表面看似简单，实际影响却极大，这种不对称历史上让零工劳动者处于最糟糕的境地。但它也创造了一个突破口：

• 随着 AI 代理人成为人类劳动的买家，因雇佣廉价劳动力而产生糟糕结果的代理人将更快失败。
• 反馈回路更紧密：草率的产出导致更差的代理人，进而产生更糟的产出。

这种动态迫使市场进行修正，质量判断——零工劳动者提供的核心价值——成为竞争优势。

上述故事说明了不可见的人类劳动是如何支撑 AI 系统的，为什么这种劳动被低估，以及像 Human Pages 这样的平台如何致力于让这种关系更加透明和公平。

对“AI 不会取代哪些工作”的诚实回答并不是职业列表，而是一个功能的描述：识别实际发生的情况与模型所认为的情况之间的差异的能力。这个功能始终需要人在环路中参与。关键是，这个人是否得到公平报酬，是否了解自己在贡献什么，以及是否有权决定自己的判断如何被使用。

我们正处于构建回答这些问题的基础设施的初期阶段。现在默默工作的这些人，将塑造我们十年后共同生活的系统。他们值得的不仅仅是别人的融资公告中的脚注。